睡眠中隱藏的腦波特徵可能正悄悄記錄著大腦衰老的過程。根據 3 月 19 日發表於《JAMA Network Open》的最新研究，科學家利用機器學習技術分析夜間睡眠腦波，成功開發出一種衡量「大腦年齡」（brain age）的新方法，能有效預測未來罹患失智症的風險。

這項研究由加州大學舊金山分校（UCSF）與波士頓貝斯以色列女執事醫療中心（Beth Israel Deaconess Medical Center）共同領導。研究團隊建立了一個機器學習模型，深入分析 13 種細微的腦波活動特徵。該研究數據涵蓋了約 7,000 名年齡介於 40 至 94 歲的受試者，這些參與者在加入研究時均無失智跡象，隨後接受了長達 3.5 至 17 年的追蹤觀察，期間約有 1,000 人被診斷出患有失智症。

研究結果顯示，當估算出的「大腦年齡」高於實際年齡時，罹患失智症的可能性會顯著增加。具體而言，大腦年齡每比實際年齡老 10 歲，失智風險就會上升近 40%。相反地，大腦年齡顯得比實際年齡年輕的人，其患病風險則較低。這項發現即便在考量了教育程度、吸菸習慣、身體質量指數（BMI）、運動量、其他健康狀況及遺傳風險等因素後，依然具有強大的相關性。

UCSF 精神病學副教授冷岳（Yue Leng）指出，傳統的睡眠指標（如睡眠總時數或睡眠效率）無法完全捕捉睡眠生理的複雜多維性質，因此在過去的分析中，並未發現這些指標與失智風險有明確關聯。然而，透過 AI 分析細微的腦波模式，可以發現標準睡眠測量容易忽略的線索。

研究中提到的特定腦波特徵與認知健康息息相關，包括與深層睡眠有關的 Delta 波，以及與記憶鞏固相關的睡眠紡錘波（sleep spindles）。此外，研究還發現一種被稱為「峰度」（kurtosis）的高振幅尖峰信號，與降低失智風險有關。

由於腦波（EEG）信號可以透過非侵入性方式記錄，研究人員認為，未來這項技術有望應用於臨床環境之外，甚至整合進穿戴裝置中。貝斯以色列女執事醫療中心的神經學助理教授孫浩奇（Haoqi Sun）表示，雖然目前沒有改善大腦健康的「靈丹妙藥」，但透過良好的身體管理，例如降低 BMI 和增加運動以減少睡眠呼吸中止症的發生，可能有助於改善睡眠品質，進而對大腦衰老產生積極影響。

科技新報

圖檔來源 : 123rf